虫媒传染病的传播风险预测方法及装置

技术特征：
1.一种虫媒传染病的传播风险预测方法，其特征在于，所述方法包括：获取全国范围内虫媒传染病的历史病例数据和与其匹配的当地气候环境数据；将所述历史病例数据作为因变量，当地气候环境数据作为自变量，基于广义可加性混合模型进行建模分析，并验证不同策略下的模型精度，得到最佳拟合模型；获取预测的未来预设时间的气象数据；根据所述未来预设时间的气象数据和所述最佳拟合模型，结合不同气候变化情景，预测未来预设时间的虫媒传染病的时空分布。2.根据权利要求1所述的方法，其特征在于，将所述历史病例数据作为因变量，气候环境数据作为自变量，基于广义可加性混合模型进行建模分析，包括：根据服从极大似然泊松分布的广义可加性混合模型建立所述历史病例数据和当地气候环境数据之间的非线性关系，如以下第一公式：y
i,t = f (x
i,t
) dem
i area
i ε其中，因变量y
i,t
表示t时段i县虫媒传染病的历史病例数据，dem
i
表示i县的平均海拔高度，ε定义为误差项，area
i
表示固定效应，来解释模型中未知或不可用变量的影响，所述固定效应包括市级尺度，f (x
i,t
)表示不同滞后情况下的环境气候数据与历史病例数据之间的非线性关系，平滑函数采用薄板样条回归。3.根据权利要求2所述的方法，其特征在于，所述气候环境数据包括气候数据和基本地形数据，所述气候数据包括平均温度、降雨和相对湿度，所述基础地形数据包括海拔。4.根据权利要求3所述的方法，其特征在于，验证不同策略下的模型精度，得到最佳拟合模型，包括：确定不同策略下的多个模型，包括：第一模型、第二模型、第三模型和第四模型：其中，所述第一模型的模型公式包括：y
i,t = f (p
i,t
) f (t
i,t
) f (rh
i,t
) dem
i city
i εy
i,t
表示t时段i县虫媒传染病的历史病例数据， f (p
i,t
) 表示t时段i县降雨数据与历史病例数据之间的非线性关系，f (t
i,t
)表示t时段i县平均温度数据与历史病例数据之间的非线性关系， f (rh
i,t
)表示t时段i县相对湿度数据与历史病例数据之间的非线性关系，dem
i
表示i县的平均海拔高度，city
i
表示市级尺度的固定效应，ε表示误差项；所述第二模型的模型公式包括：y
i,t = f (p
i,t-1
) f (t
i,t-1
) f (rh
i,t-1
) dem
i city
i εy
i,t
表示t时段i县虫媒传染病的历史病例数据，f (p
i,t-1
)表示t时段滞后1个月的i县降雨数据与历史病例数据之间的非线性关系，f (t
i,t-1
)表示t时段滞后1个月的i县平均温度数据与历史病例数据之间的非线性关系，f (rh
i,t-1
)表示t时段滞后1个月的i县相对湿度数据与历史病例数据之间的非线性关系，dem
i
表示i县的平均海拔高度，city
i
表示市级尺度的固定效应，ε表示误差项；所述第三模型的模型公式包括：y
i,t = f (p
i,t-2
) f (t
i,t-2
) f (rh
i,t-2
) dem
i city
i εy
i,t
表示t时段i县虫媒传染病的历史病例数据，f (p
i,t-2
)表示t时段滞后2个月的i县降雨数据与历史病例数据之间的非线性关系，f (t
i,t-2
)表示t时段滞后2个月的i县平均温度数据与历史病例数据之间的非线性关系，f (rh
i,t-2
)表示t时段滞后2个月的i县相对湿度数
据与历史病例数据之间的非线性关系，dem
i
表示i县的平均海拔高度，city
i
表示市级尺度的固定效应，ε表示误差项；所述第四模型的模型公式包括：y
i,t = f (p
i,t-3
) f (t
i,t-3
) f (rh
i,t-3
) dem
i city
i εy
i,t
表示t时段i县虫媒传染病的历史病例数据，f (p
i,t-3
)表示t时段滞后3个月的i县降雨数据与历史病例数据之间的非线性关系，f (t
i,t-3
)表示t时段滞后3个月的i县平均温度数据与历史病例数据之间的非线性关系，f (rh
i,t-3
)表示t时段滞后3个月的i县相对湿度数据与历史病例数据之间的非线性关系，dem
i
表示i县的平均海拔高度，city
i
表示市级尺度的固定效应，ε表示误差项；选取可决系数、广义交叉验证和方差解释率作为模型性能的评价指标，评价各个模型的拟合效果，以得到拟合效果最优的最佳拟合模型。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据预测的虫媒传染病的时空分布绘制时空分布图。6.一种虫媒传染病的传播风险预测装置，其特征在于，所述装置包括：第一获取模块，用于获取全国范围内虫媒传染病的历史病例数据和与其匹配的当地气候环境数据；建模模块，用于将所述历史病例数据作为因变量，当地气候环境数据作为自变量，基于广义可加性混合模型进行建模分析，并验证不同策略下的模型精度，得到最佳拟合模型；第二获取模块，用于获取预测的未来预设时间的气象数据；预测模块，用于根据所述未来预设时间的气象数据和所述最佳拟合模型，结合不同气候变化情景，预测未来预设时间的虫媒传染病的时空分布。7.根据权利要求6所述的装置，其特征在于，所述建模模块用于：根据服从极大似然泊松分布的广义可加性混合模型建立所述历史病例数据和当地气候环境数据之间的非线性关系，如以下第一公式：y
i,t = f (x
i,t
) dem
i area
i ε其中，因变量y
i,t
表示t时段i县虫媒传染病的历史病例数据，dem
i
表示i县的平均海拔高度，ε定义为误差项，area
i
表示固定效应，来解释模型中未知或不可用变量的影响，所述固定效应包括市级尺度，f (x
i,t
)表示不同滞后情况下的环境气候数据与历史病例数据之间的非线性关系，平滑函数采用薄板样条回归。8.根据权利要求7所述的装置，其特征在于，所述气候环境数据包括气候数据和基本地形数据，所述气候数据包括平均温度、降雨和相对湿度，所述基础地形数据包括海拔。9.根据权利要求8所述的装置，其特征在于，所述建模模块还用于：确定不同策略下的多个模型，包括：第一模型、第二模型、第三模型和第四模型：其中，所述第一模型的模型公式包括：y
i,t = f (p
i,t
) f (t
i,t
) f (rh
i,t
) dem
i city
i εy
i,t
表示t时段i县虫媒传染病的历史病例数据， f (p
i,t
) 表示t时段i县降雨数据与历史病例数据之间的非线性关系，f (t
i,t
)表示t时段i县平均温度数据与历史病例数据之间的非线性关系， f (rh
i,t
)表示t时段i县相对湿度数据与历史病例数据之间的非线性关系，dem
i
表示i县的平均海拔高度，city
i
表示市级尺度的固定效应，ε表示误差项；
所述第二模型的模型公式包括：y
i,t = f (p
i,t-1
) f (t
i,t-1
) f (rh
i,t-1
) dem
i city
i εy
i,t
表示t时段i县虫媒传染病的历史病例数据，f (p
i,t-1
)表示t时段滞后1个月的i县降雨数据与历史病例数据之间的非线性关系，f (t
i,t-1
)表示t时段滞后1个月的i县平均温度数据与历史病例数据之间的非线性关系，f (rh
i,t-1
)表示t时段滞后1个月的i县相对湿度数据与历史病例数据之间的非线性关系，dem
i
表示i县的平均海拔高度，city
i
表示市级尺度的固定效应，ε表示误差项；所述第三模型的模型公式包括：y
i,t = f (p
i,t-2
) f (t
i,t-2
) f (rh
i,t-2
) dem
i city
i εy
i,t
表示t时段i县虫媒传染病的历史病例数据，f (p
i,t-2
)表示t时段滞后2个月的i县降雨数据与历史病例数据之间的非线性关系，f (t
i,t-2
)表示t时段滞后2个月的i县平均温度数据与历史病例数据之间的非线性关系，f (rh
i,t-2
)表示t时段滞后2个月的i县相对湿度数据与历史病例数据之间的非线性关系，dem
i
表示i县的平均海拔高度，city
i
表示市级尺度的固定效应，ε表示误差项；所述第四模型的模型公式包括：y
i,t = f (p
i,t-3
) f (t
i,t-3
) f (rh
i,t-3
) dem
i city
i εy
i,t
表示t时段i县虫媒传染病的历史病例数据，f (p
i,t-3
)表示t时段滞后3个月的i县降雨数据与历史病例数据之间的非线性关系，f (t
i,t-3
)表示t时段滞后3个月的i县平均温度数据与历史病例数据之间的非线性关系，f (rh
i,t-3
)表示t时段滞后3个月的i县相对湿度数据与历史病例数据之间的非线性关系，dem
i
表示i县的平均海拔高度，city
i
表示市级尺度的固定效应，ε表示误差项；选取可决系数、广义交叉验证和方差解释率作为模型性能的评价指标，评价各个模型的拟合效果，以得到拟合效果最优的最佳拟合模型。10.根据权利要求6所述的装置，其特征在于，所述装置还包括：绘制模块，用于根据预测的虫媒传染病的时空分布绘制时空分布图。

技术总结
本发明是关于一种虫媒传染病的传播风险预测方法及装置，其中，方法包括：获取全国范围内虫媒传染病的历史病例数据和与其匹配的当地气候环境数据；将所述历史病例数据作为因变量，当地气候环境数据作为自变量，基于广义可加性混合模型进行建模分析，并验证不同策略下的模型精度，得到最佳拟合模型；获取预测的未来预设时间的气象数据；根据所述未来预设时间的气象数据和所述最佳拟合模型，结合不同气候变化情景，预测未来预设时间的虫媒传染病的时空分布。空分布。空分布。


技术研发人员：江东 丁方宇 郝蒙蒙 付晶莹
受保护的技术使用者：中国科学院地理科学与资源研究所
技术研发日：2022.02.18
技术公布日：2022/5/20